捷联惯导用挠性陀螺静态漂移误差建模

运用极轴翻滚试验,研究了捷联惯导系统使用的动力调谐式挠性陀螺的静态漂移误差的建模方法。仿真分析和试验验证表明,本方法具有建模准确、估计参数较多,对试验数据异常值不敏感等优点,具有较强的实用性。     

捷联陀螺漂移误差模型辨识及其应用

在对陀螺漂移数据建立时间序列模型的基础上，采用卡尔曼渺茫皮算法对船用捷联陀螺漂移数据进行了处理，以提高陀螺静态漂移系数的估计精度，并把得到的陀螺漂移误差模型实时补偿的捷联系统中，得到了满意的效果。     

陀螺随机漂移ARMA模型的建立

本文讨论了陀螺仪漂移数据的预处理及统计特性分析,提出了用极大似然法建立陀螺漂移的ARMA模型.通过数字仿真表明,本方法的估计精度不低于其它方法,且可使用微型计算机来进行处理。     

线振动条件下激光陀螺捷联惯导附加漂移补偿技术

针对振动条件下惯性器件会产生较大漂移的问题,从导航误差方程出发,以速度和位置误差作为观测量,设计了双位置卡尔曼滤波初始对准测漂方法。利用这种方法对振动条件下系统中激光陀螺的零漂和加速度计的零位的变化进行了估计;同时在导航解算过程中对惯性器件的振动附加漂移进行补偿。振动条件下对准测漂实验表明:利用双位置卡尔曼滤波方法可以很好的估计出惯性器件的振动附加漂移。振动漂移误差补偿实验表明:在导航结算过程中对惯性器件的振动漂移进行有效补偿后导航精度明显提高。     

空间稳定惯性导航系统中陀螺仪漂移模型系数的辨识

陀螺仪的漂移误差是空间稳定惯性导航系统的主要误差源,对漂移模型系数的准确辨识是保证系统实现长时间、高精度自主导航的关键．独立标定陀螺仪的数据无法全面反映陀螺仪在系统中的特性,必须在系统中实现对陀螺仪漂移模型系数的辨识,为此,分析了系统稳定平台坐标系随动于陀螺坐标系的运动过程,推导出稳定平台的运动微分方程,建立了以陀螺仪漂移模型系数为状态变量的系统方程；以平台上加速度计的输出为观测量,采用扩展卡尔曼滤波器对陀螺仪漂移系数进行估计．仿真实验结果表明,新的陀螺仪漂移系数辨识方法是有效的和准确的．     

静电陀螺随机漂移的谱与最大熵谱分析

通过对静电陀螺随机漂移有限样本，在 ＩＢＭ－ＰＣ／ＸＴ微机上；用ＦＯＲＴＲＡＮ－７７编 制程序进行谱和最大熵谱分析，寻求改进设计达到提高静电陀螺的可靠性和精度的途径。     

兼顾线性漂移影响的陀螺摆动平衡位置模型

在全面分析陀螺跟踪法定向计算模型的基础上,提出了兼顾线性漂移影响的陀螺摆动平衡位置的计算模型。对不同模型计算结果的比较,显示出本文提出的模型具有良好的抵抗系统性误差的能力。     

光纤陀螺非线性温度漂移模型的辨识

光纤陀螺对环境温度的敏感性一直是影响其漂移特性的重要因素，对于陀螺的漂移特性一般是利用线性ＡＲ，ＡＲＭＡ模型表示，但在温度变化情况下，用线性模型很难得到好的拟合效果和对漂移进行预测和补偿。试用小波网络对光纤陀螺进行非线性温度模型的辨识，经实测数据验证，表明具有较好预测的效果。     

光纤陀螺温度漂移模型的PPLN辨识

环境温度变化造成的较大温度漂移始终是制约光纤陀螺(FOG)性能提高的重要因素．FOG温度漂移本质上是一组与温度有关的多变量非线性时间序列，为此采用投影寻踪学习网络(PPLN)方法建立新的FOG温度漂移模型．该方法结合了统计学中投影寻踪算法节点函数灵活的非参数估计特点和人工神经网络的自学习功能，具有简捷的网络结构和良好的鲁棒性能，对未知模型辨识能力较强．将该方法应用于某型FOG温漂模型实测数据的辨识中，经验证表明其具有良好的预测效果．     

捷联陀螺动态误差系数的标定方法研究

提出了在三轴模拟台（以下简称三轴台）上一次性标定捷联陀螺动态误差系数的测试方法,该方法充分利用了三轴台的速率功能来激励出陀螺的角加速度误差项,使得能一次性标定包括陀螺角加速度误差系数在内的所有动态误差系数成为可能,为解决在缺乏昂贵的角振动台的实验条件下建立捷联陀螺动态误差模型提供了理论依据。     

迭代无味卡尔曼滤波的目标跟踪算法

针对目标跟踪迭代无味卡尔曼滤波(IUKF)算法中跟踪精度较差的问题,提出一种基于状态扩展技术的改进迭代无味卡尔曼滤波(IIUKF)算法.新算法首先将观测噪声扩展进状态,构造关于扩展状态的零噪声观测方程,然后在观测迭代过程中将最新的扩展状态后验估计代入更新公式,进行观测迭代更新.相比IUKF算法,IIUKF算法不仅形式上更为简洁,而且避免了IUKF算法中先验估计和观测噪声非统计正交的问题,滤波精度更高.数值仿真表明,IIUKF算法的跟踪误差比IUKF算法减小了20%以上.     

车辆行驶状态无迹卡尔曼软测量

为了有效解决电动汽车在行驶过程中的车速、质心侧偏角和横摆角速度等参数低成本测量的问题,采用无迹卡尔曼搭建了软测量算法,该算法充分考虑了电动汽车非线性的车辆运动状态估计,对于轮胎侧向力的估计采用非线性的魔术轮胎模型。最终,通过联合仿真实验方法验证了所建立的软测量算法能够准确、实时地估计出电动汽车的运动参数。     

一种基于Unscented卡尔曼滤波的多平台多传感器配准算法

首先给出传感器偏差配准模型,然后将目标的运动模型和传感器偏差组合在同一个状态方程中,利用Unscented卡尔曼滤波（UKF）方法进行状态和偏差联合估计,最后理论分析了配准偏差对状态估计的影响。Monte-Carlo仿真表明,该方法能同时有效地估计目标状态和传感器配准偏差。     

分布式不敏卡尔曼滤波状态估计技术

在许多实际的分布式多传感器系统中,系统的动态或传感器的观测方程是非线性的.解决分布式多传感器非线性系统的状态估计问题,通常采用的一种方法是分布式扩展卡尔曼滤波.但由于模型的线性化误差,EKF的滤波效果在很多情况下并不能令人满意.另外,在许多实际应用中,模型的线性化过程比较繁杂,而且也不容易得到.为了有效解决分布式多传感器非线性系统的状态估计问题,提出了一种基于不敏卡尔曼滤波的状态估计技术.不敏卡尔曼滤波是最近提出的一种新的非线性滤波方法.由于不需要对非线性系统进行线性化,不敏卡尔曼滤波可以很容易地应用于非线性系统的状态估计,并且其性能也要优于扩展卡尔曼滤波.仿真结果说明分布式不敏卡尔曼滤波方法的性能要优于分布式扩展卡尔曼滤波方法.     

基于改进卡尔曼滤波的配电网动态数据平差方法

受设备、天气等多方面因素影响,电网量测数据不可避免的存在误差。在实际应用前,应选用合适的估计方法进行数据平差。为减小不良数据对估计精度的影响,本文提出了一种鲁棒性无迹卡尔曼滤波算法(RUKF),在进行无迹卡尔曼滤波之前引入基于运行模式的不良数据检测方法,通过分析量测量的变化趋势调整阈值,避免出现不良数据的漏检与误检现象。以IEEE 33-bus与某实际107节点系统为例,进行仿真验证。实验结果表明,在存在不良数据的情况下,RUKF与传统UKF相比,求得的数据平差结果具有更高的估计精度,提高了数据估算的鲁棒性。多个实验表明本文提出的RUKF算法对数据平差计算可以提供有效的理论支撑。     

用于无陀螺卫星姿态确定的预测UKF算法

为了降低卫星姿态动力学模型误差和初始姿态误差对无陀螺卫星姿态确定的影响,提出了一种预测无迹卡尔曼滤波(UKF)算法。该算法利用预测滤波中的泰勒级数展开方法对未知的卫星姿态动力学模型误差进行估计,然后将其带入UKF中实现无陀螺卫星姿态确定。用三维偏差四元数代替四元数作为状态变量,避免了估计过程四元数单位约束性被破坏的现象。仿真结果表明,当较大的卫星姿态动力学模型误差和初始姿态误差同时存在时,该算法仍能精确地实现卫星姿态确定。     

基于无迹卡尔曼滤波的月球车惯性/天文组合导航算法研究

月球车导航传统方法主要是采用kalman滤波方法,需要对系统方程和观测方程的线性化,因此会引入的线性化误差的问题, 本文针对做出适当的改进。本文采用UKF方法作为误差状态量的最优估计方法,并以太阳敏感器观测得到的太阳高度角和太阳方位角以及测速仪的东向北向速度作为联合观测信息,将SINS和CNS所测得的月球车相关姿态和位置信息进行数据融合,估计出组合导航系统的误差状态量,从而对惯导系统的状态量进行校正,达到提高组合导航系统的导航定位精度和稳定性,减小线性化误差的目的。仿真实验证明,本文算法具有很好的位置、速度和姿态估计精度,有效的降低了线性化误差。     

惯导初对准中的平方根无轨迹卡尔曼滤波

针对无轨迹卡尔曼滤波(UKF)在递推过程中,有些情况下出现状态协方差逐渐失去正定性,导致计算发散现象,对状态协方差进行矩阵分解,在滤波中用其平方根进行计算,保证其正定性.采用平方根无轨迹卡尔曼滤波(SRUKF)对大失准角情况下惯性导航系统初始对准非线性ψ角模型进行估计.蒙特卡罗仿真结果表明,SRUKF与UKF在滤波精度和收敛速度上基本一致,SRUKF的数值稳定性优于UKF.     

UKF滤波器在直升机盘旋飞行中的应用

针对直升机盘旋飞行时的定位问题,建立了直升机盘旋飞行模型,讨论了一种基于贝叶斯理论的UKF滤波算法。将UKF算法应用于所建立的模型,并进行了仿真实验,仿真结果表明UKF能有效地对目标进行跟踪,且具有较高的精度和较强的抗噪声性能。     

基于平方根Unscented卡尔曼滤波的车辆融合跟踪

针对车辆运动的机动性和跟踪系统的非线性，提出了一种基于平方根Unsoented卡尔曼滤波(SR-UKF)的多传感器融合跟踪方法．该方法采用动力学模型建立系统的状态方程和量测方程，充分利用了多传感器的量测信息，更好地满足了目标的机动特性．采用基于UKF的数据融合方法处理系统的非线性问题，避免了扩展卡尔曼滤波(EKF)产生的线性化误差．同时，在滤波过程中，以协方差平方根阵代替协方差阵参加速代运算，有效地避免了滤波器的发散，提高了滤波算法的收敛速度和稳定性，实验证明，与基于EKF的融合算法相比，基于SR-UKF的融合算法使系统的位置和方向角的跟踪精度分别提高了18．22％和34．81％。